系统工程与电子技术

作者：牟杨城(), 陈爱网, 陈桂茸, 徐继明, 严晓梅, 段炼

单位：空军工程大学信息与导航学院，陕西 西安 710077

关键词：跨域数据安全共享,联邦学习,数据投毒,标签翻转攻击,神经网络,离群梯度

跨域数据共享使用面临安全和隐私保护威胁，联邦学习提供了很好的解决思路，但其分布式架构容易受到数据投毒攻击，降低模型准确率。针对这一问题，提出一种针对标签翻转攻击的数据投毒防御策略。首先，提取神经元离群梯度进行聚类分析；然后，比较簇密度大小检测恶意节点；最后，动态赋予疑似恶意节点较小权重完成联邦聚合。在不同数据集上的测试结果表明，本策略能够有效抵御标签翻转攻击，相较于目前主流算法具有更高的准确率和鲁棒性，在高密度投毒比例下仍表现出色，从而为跨域数据安全互联提供了一种新的思路。

来源：2025年第12期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2025年第12期